Предметом дослідження в статті є режими роботи авіаційного двигуна ТВ3-117 та методи їх розпізнавання. Мета роботирозробка методів класифікації режимів роботи авіаційного двигуна ТВ3-117 на основі нейромережевих технологій у режимі реального часу. В статті вирішуються наступні завдання: формування принципів класифікації та розпізнавання станів авіаційного двигуна ТВ3-117, визначення основних кроків розв'язку задачі класифікації та розпізнавання станів авіаційного двигуна ТВ3-117 в нейромережевому базисі, розробка методу класифікації та розпізнавання станів авіаційного двигуна ТВ3-117 з використанням нейронних мереж. Використовуються такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Отримано наступні результати: Сформульовані принципи класифікації та розпізнавання станів авіаційного двигуна ТВ3-117 та визначено основні кроки розв'язку даної задачі. Обґрунтовано, що розв'язок задачі класифікації режимів роботи авіаційного двигуна ТВ3-117 у нейромережевому базисі дозволяє більш ефективно і якісно вирішити цю задачу, з меншими витратами часу і обчислювальних ресурсів у порівнянні з використанням класичних методів (наприклад, методу Байеса). Досліджена багаторівнева інформаційна структура. Висновки: Застосування нейромережевих технологій для класифікації та розпізнавання станів авіаційного двигуна ТВ3-117 дозволяє зменшити час обробки даних, причому основний час, що витрачається на розв'язок даної задачі, використовується на процес навчання нейронної мережі. Перспективами подальшого дослідження є розробка експертної системи, одним із модулів якої є модуль класифікації та розпізнавання станів авіаційного двигуна ТВ3-117, яка використовується в бортовій системі для контролю і діагностики технічного стану двигуна та взаємодіє з системами управління двигуном, що дозволяє останньому плавно та своєчасно діяти на виконавчих механізмах, з одного боку, з метою поліпшення якість управління двигуном та його підсистемами, а з іншого -підвищення його надійності у процесі його експлуатації.Ключові слова: авіаційний двигун; нейронна мережа; персептрон; режими роботи; класифікація.

Рассматриваются вопросы математического моделирования нейрона и возможности его технической реализации, поскольку искусственный нейрон является базовым звеном любой нейронной сети, в частности, нейронной сети, которая используется для контроля и диагностики технического состояния авиационного двигателя ТВ3-117 в полетных режимах. Предложено путь, основанный на разрядно-параллельной обработке числовых данных (синапсов) с целью получения точности выходного сигнала нейронной сети. Разработана схема взаимодействия операторов параллельного суммирования потоков числовых данных с общей организацией обработки многоразрядного переноса, на которой базируется непосредственно алгоритм суммирования чисел. Рассмотрены принципы и предложена структура построения устройств параллельного суммирования массивов числовых данных в операционном базисе «поиск-выборка» с обработкой и разбивкой общего переноса на основной и дополнительный и, в операционном базисе «поиск-выборка-запись-чтение» с конвейерным способом обработки многоразрядного переноски. Предлагаемое устройство реализации нейрона может служить новой элементной базой построения нейрокомпьютеров с более высокой скоростью обработки биологической информации, разработанных на базе 64-разрядного мини-компьютера Raspberry Pi NanoPi M1 Plus с четырехъядерным процессором Allwinner H3. Определено, что при необходимости повышения точности алгоритмов и усложнения их структуры может привести к увеличению числа искусственных нейронов, и, соответственно, к увеличению количества выполняемых вычислительных операций. В таком случае целесообразна реализация предложенных алгоритмов на базе более скоростных вычислительных устройств по сравнению со штатным микроконтроллером, которые могут быть реализованы на основе цифровых сигнальных процессоров, программируемых логических интегральных схем или специализированных процессоров.

No abstract